Transparantie & methodologie

Hoe Squadra
echt werkt

Dit document legt uit welke wetenschappelijke modellen we gebruiken, hoe onze formules werken, wat de AI Coach doet (en niet doet) en wat de grenzen zijn van ons systeem. We geloven dat ouders, coaches en spelers recht hebben op deze transparantie.

Gebaseerd op peer-reviewed onderzoek
Geen medische diagnoses
Open methodologie
Laatste update: april 2025

Peak Height Velocity (PHV) — Biologische groeifasen

PHV — Peak Height Velocity — is het moment waarop een kind het snelst groeit in lengte. Dit moment is cruciaal voor sportcoaching omdat het bepaalt wanneer een kind klaar is voor intensieve training, wanneer het blessurerisico het hoogst is, en hoe de training aangepast moet worden.

Waarom PHV belangrijker is dan kalenderleeftijd

Twee kinderen van exact dezelfde kalenderleeftijd kunnen biologisch 3 tot 4 jaar van elkaar verschillen. Een "vroeg-rijpe" speler van 12 jaar kan biofysisch al 15 zijn, terwijl een "laat-rijpe" 12-jarige biologisch nog 10 jaar oud is. Coachen op basis van kalenderleeftijd negeert deze fundamentele realiteit.

Dit heeft directe gevolgen voor teamsamenstelling, trainingsintensiteit, blessurepreventie en talentontwikkeling. Vroeg-rijpe spelers worden vaak geselecteerd als "talent" puur omdat ze groter en sterker zijn — een fenomeen dat bekend staat als het Relatieve Leeftijdseffect (RAE).

Pre-PHV
Offset < −1
Het kind groeit nog niet op pieksnelheid. Hoge technische trainbaarheid. Coördinatie is stabiel.
✓ Ideale fase voor techniektraining en motorische basisontwikkeling
Circa-PHV
−1 ≤ Offset ≤ +1
Piekgroeifase. Coördinatie daalt tijdelijk. Blessurerisico (apofyse, kniepeesontsteking) verhoogd.
⚠ Verlaag intensiteit. Prioriteit aan herstel en slaap. Geen plotselinge volumestijging.
Post-PHV
Offset > +1
Groei vertraagt. Krachtontwikkeling versnelt. Coördinatie herstelt. Hogere trainingsvolumes mogelijk.
✓ Fase voor kracht, explosiviteit en tactische complexiteit
Bron: Malina et al. (2004), Ford et al. (2011), Cobley et al. (2009) — zie Wetenschappelijke bronnen onderaan voor volledige referenties.

De Mirwald-formule — maturity offset berekening

Squadra gebruikt de Mirwald et al. (2002) regressievergelijking om de biologische rijpheid van een speler te berekenen. Dit is de meest gebruikte en wetenschappelijk gevalideerde methode in de sport- en groeiwetenschappen voor jeugdatleten.

Wat berekenen we

De maturity offset is het aantal jaren vóór (negatief) of ná (positief) het PHV-moment. Een offset van −0.5 betekent dat het kind over 6 maanden zijn groeipiek zal bereiken. Een offset van +1.2 betekent dat het kind 1.2 jaar voorbij zijn groeipiek is.

Mirwald et al. (2002) — Jongens
Maturity Offset = −9.236 + (0.0002708 × Beenlengte × ZitHoogte) + (−0.001663 × Leeftijd × Beenlengte) + (0.007216 × Leeftijd × ZitHoogte) + (0.02292 × (Gewicht / Totale Lengte × 100))
Beenlengte = Totale lengte − Zittende hoogte (beide in cm) · ZitHoogte = Zittende hoogte (cm) · Leeftijd = decimale leeftijd in jaren · Gewicht = kg
Mirwald et al. (2002) — Meisjes
Maturity Offset = −7.709133 + (0.0042232 × Leeftijd × Totale Lengte) + (−0.013696 × Leeftijd × ZitHoogte) + (0.015985 × Leeftijd × Gewicht) + (0.0007419 × Beenlengte × ZitHoogte)

Variabelen die de gebruiker invoert

VariabeleEenheidHoe metenHoe vaak
Totale lengtecmStaand, zonder schoenen, tegen muurElke 3 maanden
Zittende hoogtecmZittend op tafel, rug recht, meetlint van zitting tot kruinElke 3 maanden
GewichtkgOchtend, nuchter, zelfde weegschaalElke 3 maanden
GeboortedatumEenmalig ingevoerd bij registratieEenmalig
Lengte vader (opt.)cmOpgave door ouderEenmalig
Lengte moeder (opt.)cmOpgave door ouderEenmalig

Voorspelling volwassen lengte (Khamis-Roche methode)

Als de lengtes van beide ouders bekend zijn, berekent Squadra ook een voorspelling van de volwassen eindlengte via de Khamis-Roche methode (1994) — een regressiemodel gebaseerd op leeftijd, huidige lengte, gewicht en ouderlengte. Dit geeft een schatting met een nauwkeurigheid van ± 3–4 cm.

Midouder lengte (eenvoudige schatting)
Midouder lengte (jongen) = (Lengte vader + Lengte moeder + 13) / 2 Midouder lengte (meisje) = (Lengte vader + Lengte moeder13) / 2 Verwacht bereik = Midouder lengte ± 8.5 cm (2 standaarddeviaties)
De Khamis-Roche volledige regressie gebruikt ook huidige lengte, gewicht en leeftijd voor een nauwkeurigere schatting. Squadra toont altijd een bereik, nooit een exacte waarde.
Rekenvoorbeeld — jongen van 12 jaar
Geboortedatum15 maart 2013 → leeftijd 12.08 jaar
Totale lengte152.4 cm
Zittende hoogte78.3 cm → Beenlengte: 74.1 cm
Gewicht43.2 kg
Gewicht/lengte ratio43.2 / 152.4 × 100 = 28.35
Maturity Offset = −9.236 + (0.0002708 × 74.1 × 78.3) + (−0.001663 × 12.08 × 74.1) + (0.007216 × 12.08 × 78.3) + (0.02292 × 28.35)
= −9.236 + 1.574 + (−1.489) + 6.841 + 0.650
= −1.66 → Pre-PHV fase · piek groei verwacht over ~1.7 jaar
⚠️
Beperking van de Mirwald-formule: het model is gevalideerd op een Noord-Amerikaanse populatie (blanke kinderen). Toepassing op andere etnische groepen kan afwijkingen geven van 0.3–0.7 jaar. Squadra gebruikt dit model als de beste beschikbare standaard maar werkt aan validatie voor Belgische populatiedata. De resultaten zijn altijd indicatief, nooit diagnostisch.

GPS & IMU tracking — wat meten we en hoe

Squadra integreert met externe hardware (Footbar) en onze eigen Squadra Tracker. Hier leggen we uit wat elke sensor meet en hoe de data wordt berekend.

GPS — positie en afstand

GPS-sensoren meten de positie van de speler via satelliet-triangulatie. De nauwkeurigheid van consumentenhardware bedraagt typisch 2–5 meter. Professionele systemen (UWB, differential GPS) halen 10–30 cm maar zijn significant duurder.

Squadra berekent afstand via de Haversine-formule (booglengte op een bol) over opeenvolgende GPS-coördinaten, gefilterd met een Kalman-filter om GPS-ruis te reduceren.

Snelheidsberekening
v = Δafstand / Δtijd [m/s → km/h: × 3.6] Sprint gedetecteerd als: v > 5.5 m/s (= 19.8 km/h) gedurende ≥ 1.0 seconde High intensity run: v > 4.0 m/s gedurende ≥ 2.0 seconden
Drempelwaarden zijn configureerbaar per leeftijdscategorie. Standaard drempelwaarden gebaseerd op Rampinini et al. (2007) en Casamichana & Castellano (2010).

IMU — versnelling en schot-detectie

De IMU (Inertial Measurement Unit) in de Footbar en Squadra Tracker bevat een 3-assige accelerometer en 3-assige gyroscoop. Deze meten lineaire versnelling (g-krachten) en rotatiehoeksnelheid (°/s) op 100–200 Hz.

Schot-detectie algoritme (vereenvoudigd)
1. Peak acceleratie detectie: |a| > 8.0 g (drempelwaarde impact) 2. Impact-duur: 80200 ms (karakteristiek voor balcontact) 3. Rotatiecomponent: ω > 300 °/s (zweepbeweging) 4. Ballistische fase: geen herhaald contact binnen 150 ms Schot-snelheid schatting: v_bal ≈ k × |a_peak| × t_contact waarbij k = kalibratiefactor (bepaald via filmvalidatie)
De schot-snelheid is een schatting, geen directe meting van de balsnelheid. Validatieonderzoek met Footbar toont een correlatie van R² = 0.87 met radargun-metingen. Afwijking typisch ±3–5 km/h.
⚠️
Nauwkeurigheidsbeperkingen: GPS-data bij U8–U12 training op kleine velden (30×20m) heeft een hogere relatieve foutmarge dan bij grotere velden. Wij adviseren GPS-metingen te interpreteren als trends over meerdere sessies, niet als exacte absolute waarden.

Herstel & slaap — hoe we wearable-data interpreteren

Via integraties met WHOOP, Polar en Oura verwerkt Squadra hersteldata. We leggen hier uit welke metrics we gebruiken, wat ze betekenen en hoe ze het AI Coach advies beïnvloeden.

Heart Rate Variability (HRV)

HRV is de variatie in tijd tussen opeenvolgende hartslagen (ms). Een hoge HRV wijst op een goed hersteld autonoom zenuwstelsel en lage stressbelasting. Een lage HRV duidt op vermoeidheid, ziekte of overbelasting.

Squadra gebruikt de rMSSD-waarde (root mean square of successive differences) als primaire HRV-metric — dit is de meest stabiele en populairste metric in sportwetenschappelijk onderzoek.

rMSSD berekening
rMSSD = √( (1/N−1) × Σ(RR[i+1] − RR[i])² ) waarbij RR[i] = tijdsduur tussen hartslag i en i+1 in milliseconden
Squadra toont geen ruwe rMSSD-waarden maar normaliseert naar een score van 0–100 op basis van de persoonlijke baseline van de speler (rolling 30-dagen gemiddelde). Dit maakt de data begrijpelijk voor ouders en coaches zonder sportwetenschappelijke achtergrond.

Slaapkwaliteit en -kwantiteit

Voor jeugdspelers in de PHV-fase adviseert de wetenschap 9–10 uur slaap per nacht (Dattilo et al., 2011). Groeihormoon wordt voor 70–80% aangemaakt tijdens de diepe slaapfases (N3 / slow-wave sleep). Chronisch slaaptekort vertraagt letterlijk de groei en verhoogt het blessurerisico.

Squadra combineert slaapduur, slaapefficiëntie (% tijd werkelijk slapend) en diepe-slaap-percentage tot een herstelindex die het AI Coach advies mee bepaalt.

Subjectieve RPE (Rate of Perceived Exertion)

Naast objectieve data gebruikt Squadra de Borg CR10-schaal (0–10) als subjectieve inspanningsscore. Spelers of ouders voeren de RPE handmatig in na een sessie. Onderzoek toont aan dat RPE sterk correleert met objectieve belastingsmarkers (r = 0.78–0.92) en zelfs complementaire informatie geeft die sensoren missen.

Session RPE-methode (Foster et al., 2001): Totale trainingsbelasting = RPE × sessieduur in minuten. Dit geeft de Training Loadin arbitrary units (AU). Squadra accumuleert dit over de week om acute:chronic workload ratio's te berekenen.

AI Coach — hoe werkt het, op wat baseert het zich

De AI Coach is het meest zichtbare onderdeel van Squadra. Hier leggen we eerlijk uit hoe het werkt, welke data het gebruikt, hoe het advies tot stand komt en wat het niet kan.

📊
Stap 1 — Data aggregatie
De AI Coach verwerkt de beschikbare data van de afgelopen 7 dagen: sessiedata (afstand, sprints, schot, RPE), hersteldata (HRV, slaap) en PHV-fase van de speler. Ontbrekende data wordt expliciet gemarkeerd — de coach geeft minder specifiek advies naarmate er minder data beschikbaar is.
🔢
Stap 2 — Belastingsanalyse
Het systeem berekent de acute:chronic workload ratio (ACWR): de verhouding tussen de belasting van de afgelopen week versus het 4-weken gemiddelde. Een ratio boven 1.5 verhoogt het blessurerisico significant (Hulin et al., 2016). De PHV-fase bepaalt welke ratio als veilig wordt beschouwd.
🤖
Stap 3 — Adviesgeneratie (LLM)
Op basis van de berekende metrics wordt een prompt samengesteld en verwerkt door een groot taalmodel (Large Language Model). Het LLM vertaalt de cijfermatige analyse naar begrijpelijk, menselijk advies — aangepast aan de rol (ouder, coach, speler) en taalvoorkeur. Het LLM voegt geen nieuwe data toe: het vertaalt alleen wat de algoritmen hebben berekend.
Stap 4 — Filtering & veiligheidschecks
Gegenereerd advies wordt gefilterd op een lijst van verboden output: medische diagnoses, diagnose van blessures, voedingsadvies buiten sportprestaties, en vergelijkingen die stigmatiserend kunnen zijn. Alle output die een van deze criteria raakt, wordt vervangen door een verwijzing naar een professional.
👤
Stap 5 — Audience-adaptatie
Hetzelfde advies wordt in drie versies aangeboden: voor de speler (motiverend, eenvoudig, concreet), voor de ouder (contextueel, rustgevend, wetenschappelijk onderbouwd) en voor de coach (technisch, belasting-gericht, implementeerbaar op training). De onderliggende data is identiek — alleen de framing verschilt.

Wat de AI Coach niet kan en niet doet

  • Geen medische diagnoses stellen of blessures diagnosticeren
  • Geen voedingsplannen opstellen (dit valt buiten ons domein en vereist een diëtist)
  • Geen absolute uitspraken doen over talent of toekomstige prestaties
  • Niet functioneren zonder voldoende data — bij minder dan 2 sessies is het advies generiek
  • Geen garanties geven — het advies is altijd indicatief
Acute:Chronic Workload Ratio (ACWR)
ACWR = Acute Load (week) / Chronic Load (4-weken gemiddelde) Acute Load = Σ(RPE × sessieduur) afgelopen 7 dagen Chronic Load = Σ(RPE × sessieduur) afgelopen 28 dagen / 4 Interpretatie: ACWR < 0.8 → Onderbelasting (detraining risico) ACWR 0.81.3 → Optimale zone (laagste blessurerisico) ACWR 1.31.5 → Verhoogd risico — herstel aanbevolen ACWR > 1.5 → Hoog risico — direct reduceren
Gebaseerd op Gabbett (2016), Hulin et al. (2016). In Circa-PHV-fase verlaagt Squadra de "veilige" bovengrens naar ACWR 1.2 gezien het verhoogd blessurerisico in de piekgroeifase.

Grenzen van het systeem — wat we niet weten

🔬
Squadra is geen medisch hulpmiddel. Ons platform is een informatief instrument voor sportprestatie-analyse. Het is niet gecertificeerd als medisch hulpmiddel (MDR 2017/745) en mag niet worden gebruikt als basis voor medische beslissingen. Bij twijfel over gezondheid, blessures of groei: raadpleeg altijd een arts, kinderarts of sportarts.

Bekende beperkingen

  • Populatievalidatie: de Mirwald-formule is gevalideerd op Noord-Amerikaanse populaties. Toepassing op andere etnische groepen kan systematische afwijkingen geven.
  • GPS in kleine ruimtes: op kleine velden (kleuter- en U8-voetbal) is de relatieve GPS-fout groter. Afstandsmetingen kunnen 10–15% afwijken.
  • Schot-snelheid: de IMU-schatting van balsnelheid heeft een foutmarge van ±3–5 km/h en is afhankelijk van de positie en bevestiging van de sensor.
  • HRV-interpretatie: HRV is individueel sterk variabel. Een "lage" HRV voor persoon A kan normaal zijn voor persoon B. Squadra gebruikt altijd een persoonlijke baseline, maar de eerste 30 dagen zijn de normen minder stabiel.
  • AI-hallucinaties: LLMs kunnen soms plausibel klinkende maar foutieve informatie genereren. Onze filtering en prompt-engineering reduceren dit risico, maar elimineren het niet volledig. Meld vermoedelijk onjuist advies via feedback@squadra.football.
  • Causaal vs. correlatief: onze analyses tonen correlaties, geen oorzaak-gevolg relaties. Een lage HRV na een zware training betekent niet automatisch dat de training ongezond was.

Wetenschappelijke bronnen

Alle methodologische keuzes zijn gebaseerd op peer-reviewed onderzoek. Hieronder een overzicht van de belangrijkste referenties.

PHV & Biologische rijpheid

1
Prediction of Adult Height from Height, Weight, and Skeletal Age of Girls Age 4–17
Mirwald, R.L., Baxter-Jones, A.D.G., Bailey, D.A., & Beunen, G.P.
Medicine & Science in Sports & Exercise, 34(4), 689–694, 2002
2
Predicting Adult Stature Without Using Skeletal Age: The Khamis-Roche Method
Khamis, H.J., & Roche, A.F.
Pediatrics, 94(4), 504–507, 1994
3
Growth and Maturation of Young Athletes: Is There Evidence for the Relative Age Effect?
Malina, R.M., Cumming, S.P., Kontos, A.P., Eisenmann, J.C., Ribeiro, B., & Aroso, J.
Journal of Sports Sciences, 23(10), 1003–1011, 2005
4
The Relative Age Effect in Elite Youth Football Development
Cobley, S., Baker, J., Wattie, N., & McKenna, J.
Sports Medicine, 39(3), 235–256, 2009

Belasting & blessurepreventie

5
The Training—Injury Prevention Paradox: Should Athletes Be Training Smarter and Harder?
Gabbett, T.J.
British Journal of Sports Medicine, 50(5), 273–280, 2016
6
Spikes in Acute Workload Are Associated With Increased Injury Risk in Elite Cricket Fast Bowlers
Hulin, B.T., Gabbett, T.J., Lawson, D.W., Caputi, P., & Sampson, J.A.
British Journal of Sports Medicine, 51(8), 618–623, 2016
7
A New Approach to Monitoring Exercise Training
Foster, C., Florhaug, J.A., Franklin, J., Gottschall, L., et al.
Journal of Strength and Conditioning Research, 15(1), 109–115, 2001

Herstel & slaap

8
Sleep to Win: Associations Between Sleep Duration and Recovery Among Elite Athletes
Dattilo, M., Antunes, H.K., Medeiros, A., et al.
Medical Hypotheses, 77(2), 220–222, 2011
9
Heart Rate Variability as an Indicator of Autonomic Cardiac Modulation: A Systematic Review
Camm, A.J., et al. (Task Force ESC & NASPE)
European Heart Journal, 17, 354–381, 1996 (HRV standaard)

GPS & bewegingsanalyse

10
Evaluation of Reliability, Validity, and Feasibility of Field-Based Testing in Youth Soccer
Rampinini, E., Impellizzeri, F.M., Castagna, C., et al.
Journal of Strength and Conditioning Research, 22(4), 1446–1454, 2008
Download de volledige methodologie
Alle formules, bronnen en disclaimers in één overzichtelijk PDF-document
Download PDF — Methodologie v1.0